train superpoint时的超参数设置

[fish258]

作者您好，我注意到您在训练superpoint时的descriptor loss部分的lambda_d设置为0.05。这个lambda_d不是添加在正样本上的权重吗？（正样本数量较少，理应设置大点的权重）Superpoint的作者在论文中陈述的设置为250，您为什么使用0.05呢？是您在实际训练中找到的更合适的新参数吗？
https://github.com/shaofengzeng/SuperPoint-Pytorch/blob/master/config/superpoint_train.yaml

我在训练时给正样本设置大的权重也没有获得好的效果，看到您这么设置，能不能问下这么设置的原因呢？

[shaofengzeng]

您好：这里的超参数是按照rpautrat/SuperPoint提供的代码设置的，与论文原文确实不同。
 当前参数的设置确实不容易理解，我尝试做一下解释。如果您进行调式时，会发现，当训练趋于稳定时，dot_product_desc中数据会出现大量的负数，亦即，这种设置会保证__非对应点__之间相似度取值处于较小的范围，尽管这会导致__对应点__之间相似度偏小，但对于图像中的关键点，另一幅图像中多数关键点均与它是非对应的，这就保证计算得到的多数对应是“正确的”。
 此外，这里提供的代码与原论文代码在计算损失时略有差别，具体在该文件的第129~134行，即本代码增加了对特征点相似度（dot_product_desc）的归一化的步骤。这可能也会影响超参数的设置。